【技术实现步骤摘要】
风
‑
光
‑
含混合式抽蓄电站梯级水库随机优化调度方法
[0001]本专利技术涉及新能源和水库优化调度研究领域，具体地指一种风
‑
光
‑
含混合式抽蓄电站梯级水库随机优化调度方法。
技术介绍
[0002]近年来，为了应对全球气候变化，各国积极展开新能源消纳研究。目前，我国全力推进可再生能源高质量跃升发展，我国水电、风电、光伏发电、生物质发电装机规模均已连续多年稳居全球首位。但随着可再生清洁能源的快速发展，风电、光电的不确定性给新能源消纳以及电力系统安全稳定运行带来较大的压力。抽水蓄能电站作为当前技术最成熟、经济性最优、最具大规模开发条件的电力系统绿色低碳灵活调节电源，与风电、光伏发电、水电、核电、火电等配合效果较好。因此，有必要针对含抽水蓄能电站的互补系统进行优化调度，减少弃风、弃光、弃水，且在最大化互补系统经济性的前提下保障电力系统可靠性、稳定性。
技术实现思路
[0003]本专利技术的目的在于克服上述不足，提供一种风
‑
光
‑
含混合式抽蓄电站梯级水库随机优化调度方法，解决中长期径流、风电出力、光伏出力预测误差较大，以及由风、光出力不确定性、波动性造成电力系统稳定性、可靠性降低的问题。
[0004]本专利技术为解决上述技术问题，所采用的技术方案是：一种风
‑
光
‑
含混合式抽蓄电站梯级水库随机优化调度方法，它包括以下步骤：
[0005]步骤1：基于...
【技术保护点】
【技术特征摘要】
1.一种风
‑
光
‑
含混合式抽蓄电站梯级水库随机优化调度方法，其特征在于：它包括以下步骤：步骤1：基于历史数据对风电出力、光伏出力、梯级水库来水进行随机性分析，并分别构建水风光互补系统中长期调度的水、风、光随机场景；步骤2：提出基于相关距离的ISODATA算法分别对水、风、光随机场景进行场景削减，并构建水风光互补系统中长期调度环境；步骤3：构建以系统发电量最大为目标，水风光互补系统中长期随机优化调度模型；步骤4：将中长期优化调度求得的各调度时段出力作为短期调度模型的边界约束，从互补系统可靠性、稳定性、经济性三个角度出发，构建以剩余负荷均方差最小、系统出力波动性最小、系统总出力偏差平方值最小为目标的水风光互补系统中长期及短期耦合优化调度模型；步骤5：基于强化学习PER
‑
DQN算法求解中长期随机优化调度策略；步骤6：基于强化学习Q
‑
learning算法，求解中长期及短期耦合优化调度模型的短期优化调度策略、更新中长期随机优化调度策略，并确定日前发电计划；步骤7：构建以水电补偿水风光预测偏差的实时调度模拟模型，并根据日前发电计划以及实际风光出力数、径流数据，滚动更新含混合式抽水蓄能电站的梯级水库调度过程。2.根据权利要求1所述风
‑
光
‑
含混合式抽蓄电站梯级水库随机优化调度方法，其特征在于：所述步骤1中，构建水、风、光随机场景的方法如下：S1.1：将各阶段随机变量历史数据以最大值、最小值为范围离散成相同数量的离散值作为马尔可夫决策过程各阶段的各个状态，对于不同时段状态对应随机值的相关性，采用皮尔逊相关性检验方法，如式(1)所示：式中：Cov(s
t
,s
t+1
)表示相邻时段随机变量状态对应随机值之间的相关系数；N为随机变量各阶段离散随机值总数，分别为t时段和t+1时段第i个离散随机值，分别为t时段和t+1时段第i个离散随机值，分别为t时段和t+1时段第i个离散随机值均值，σ
t
、σ
t+1
分别为t时段和t+1时段第i个离散随机值的均方差；若两相邻时段相关性较强则符合马尔可夫特性，相邻阶段离散随机值可用马尔可夫转移概率表示，否则相邻阶段离散随机值相互独立，即该相邻阶段各离散值之间均有可能进行转移，状态转移概率矩阵中各元素以各阶段离散总数的倒数来代替；S1.2：基于历史数据，通过对历年的风电出力、光伏出力、梯级水库来水各调度时段的观测值进行统计，得到符合马尔可夫特性的各相邻阶段之间离散值转移过程对应频数，并求解得到各阶段马尔可夫状态转移概率矩阵，集合各状态之间的状态转移概率构成相邻阶段状态转移概率矩阵；S1.3：根据各阶段状态概率矩阵通过蒙特卡洛采样方法，逐阶段进行直接采样，获取水、风、光长系列时序数及其对应状态转移概率作为水、风、光随机场景。3.根据权利要求1所述的风
‑
光
‑
含混合式抽蓄电站梯级水库随机优化调度方法，其特
征在于：所述步骤2中，通过基于相关距离的ISODATA算法进行场景削减，并构建水风光互补系统中长期调度环境的方法，由于水风光互补系统随机场景中，随机值由长系列时序数据表示，采用聚类算法中常用的表示两点之间距离的距离函数难以描述两时序数据之间的距离，因此在进行水风光互补系统随机场景削减时，提出采用相关距离进行聚类，具体过程如下：S2.1：输入随机变量时序数据；预选N
c
个初始聚类中心{Z1,Z2,
…
,Z
Nc
}、预期的聚类中心数目K、每一聚类域中最少样本数目θ
N
(若少于此数即不作为一个独立的聚类)、一个聚类域中样本距离分布的标准差θ
S
、两个聚类中心的最小距离θ
c
(若小于此数，两个聚类需要进行合并)、在一次迭代运算中可以合并的聚类中心的最多对数L以及迭代运算的次数I；S2.2：计算每个样本数据到聚类中心的相关距离，将N个样本分配给最近的聚类S
j
；S2.3：若聚类S
j
中的样本数目小于θ
N
，则该聚类不成立，聚类中心个数N
c
减1，重新开始聚类；S2.4：重新计算聚类后的各项参数，包括聚类中心Z
j
、聚类内样本数据到聚类中心的相关距离D
j
、所有样本数据到相应中心的总相关距离其中，聚类中心，如式(2)所示：式中，Z
j
为第j个聚类中心；N
j
为第j个聚类中的样本数；X代表聚类中的样本；S
j
为第j个聚类；聚类内样本数据到聚类中心的相关距离，如式(3)所示：式中：D
j
代表样本数据到聚类中心的相关距离；Cov(X,Z
j
)为数列X和Z
j
的协方差；Var(X)、Var(Z
j
)分别为数列X和Z
j
的协方差；所有样本数据到相应中心的总相关距离，如式(4)所示：式中，为所有聚类中的样本到其相应聚类中心的相关距离；N
c
为聚类中心的个数；N
j
为第j个聚类中的样本数；为第j个聚类中的样本到聚类中心的相关距离；S2.5：停止分裂和合并计算若此次迭代数等于迭代阈值，则转至S2.6，并将θ
c
置0；若N
c
≤K/2，即聚类数目过少，则转至S2.6；若N
c
≥2K，即聚类数目过多，则转至S2.8；若K/2≤N
c
≤2K，且当此次迭代是偶数次时，转至S2.9，否则转至S2.7；S2.6：根据距离值计算聚类中样本数据的标准差向量：σ
j
＝(σ
1j
,σ
2j
,
…
,σπ
j
)
T
；其中向量分量，如式(5)所示：
式中，i代表样本特征向量维度；j代表聚类的序号；N
j
代表第j个聚类中样本的总数；X
ik
代表第i个样本特征向量维度下的第k个样本；Z
ij
代表第i个样本特征向量维度下的第j个聚类中心；并得到σ
j
中的最大值σ
jmax
；S2.7：若σ
jmax
大于θ
S
，并且满足或N
j
>2(θ
N
+1)任一条件，则将z
j
分裂为两个聚类，且σ
jmax
加1，迭代次数加1，并转至S2.1；S2.8：计算聚类中心之间的相关距离D
ij
；S2.9：比较D
ij
与θ
c
的值，将满足D
ij
<θ
c
的值进行降序排列；S2.10：将排列后相邻的两个聚类中心进行合并，根据式(6)计算得到新的聚类中心，且N
c
减1；式中，为新的聚类中心；N
ik
为重新排列后的第i
k
个聚类中心中样本个数；N
jk
为重新排列后的第j
k
个聚类中心中样本个数；Z
ik
为第i
k
个聚类中心；Z
jk
为第j
k
个聚类中心；L为此时剩下的聚类中心数目；S2.11：若抵达迭代阈值I，或者算法不在进行分裂或合并(聚类中心不再改变)，则算法结束。否则算法重新进行迭代；S2.12：输出聚类中心；将时序数据的聚类中心作为水、风、光的代表性随机场景，通过组合获取水风光系统的随机场景。并通过对照各阶段马尔可夫状态转移概率矩阵，得到聚类中心时序数据对应的各阶段马尔可夫状态转移概率，构建水风光互补系统中长期调度环境。4.根据权利要求1所述的风
‑
光
‑
含混合式抽蓄电站梯级水库随机优化调度方法，其特征在于：所述步骤3中，水风光互补系统中长期随机优化调度模型以系统发电量最大为目标，通过以日为调度时段进行调度，使水风光互补系统的月总发电量最大，系统每个调度时段的总发电量，如式(7)所示：式中：R
t
表示t时段水风光梯级互补系统总发电量；ΔT
t
为水库t时段的调度时段时长；N
i,t
为含混合式抽水蓄能电站梯级水库t时段的出力；N
w,t
表示t时段风电总出力；N
s,t
表示t时段光伏发电总出力；N为梯级水库总数；为t时段第n级水库的发电流量；A
n
为第n级水库的综合出力系数；为第n级水库t时段的平均发电水头，为第n级水库和第n+1级水库的t时段水位差；K
t
为t时段可逆式水泵水轮机组工况，K
t
＝1为发电工况，K
t
＝0为泵送工况；E
h,t
、E
p,t
分别为t时段可逆式水泵水轮机组的发电量和抽水用电量，如式(8)所示：
式中：E
h,t
、E
p,t
分别为t时段可逆式水泵水轮机组的发电量和抽水用电量；P
h,t
、P
P,t
分别为t时段可逆式水泵水轮发电机组的发电功率和抽水功率；η
h
、η
p
分别为可逆式水泵水轮发电机组的发电效率和抽水效率；H
t
为t时段的平均发电水头；Q
h,t
、Q
p,t
分别为t时段可逆式水泵水轮发电机组的发电工况和泵送工况的流量；η
wp
为管道效率；ΔT
t
为t时段调度时长；ρ为水的密度；g为重力加速度；含混合式抽水蓄能电站的梯级水库水量平衡约束，如式(9)所示：式中：分别为第n级水库t时段初末库容；分别为第n级水库t时段各水库的入库和出库流量；为第n级水库的区间来水，且即第一级水库无区间来水；Q
h,t
、Q
p,t
分别为t时段可逆式水泵水轮发电机组的发电工况和泵送工况的流量；ΔT
t
为水库t时段的调度时段时长；梯级水位约束，如式(10)所示：式中：分别为第n级水库t时段初的最小和最大限制水位；为第n级水库t时段初的水位；发电流量约束，如式(11)所示：式中：为第n级水库最大过机流量；为第n级水库发电流量。可逆式水泵水轮发电机组的发电功率和抽水功率限制，如式(12)所示：式中：P
h,t
、P
P,t
分别为t时段可逆式水泵水轮发电机组的发电功率和抽水功率；P
h,m...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。